Deteksi Emosi Menggunakan Citra Ekspresi Wajah Secara Otomatis

Abstract

Ekspresi wajah merupakan metode yang paling efektif bagi manusia untuk mengekspresikan emosi. Ekspresi wajah memiliki keunggulan untuk mengetahui emosi seseorang, karena ketika seorang secara emosi tidak stabil akan nampak pada raut wajah yang berubah, seperti kerutan pada kening, kedipan pada mata, ataupun perubahan warna pada kulit wajah. CNN merupakan pengembangan dari MLP yang dirancang untuk mengolah data dua dimensi. Dua tahapan utama pada CNN yaitu feature learning dan classification. CNN merupakan metode yang digunakan dalam penelitian. Penelitian ini menggunakan dataset dari FER2013, KDEF, dan CK+. Dataset-dataset tersebut berisikan citra greyscale dengan format jpeg. Arsitektur model yang dibuat memiliki empat lapisan konvolusi dan dua lapisan fully connected. Penelitian dilakukan dengan mencoba tiga optimasi yaitu, ADAM, SGD, dan RMS. Kemudian juga dilakukan percobaan dengan perbedaan epoch. Hasil penelitian ini menunjukkan optimasi ADAM memiliki nilai akurasi paling tinggi dibandingkan dengan optimasi lainnya. Akurasi tertinggi pada dataset KDEF dengan jumlah 82%. Emosi yang mudah dikenali atau yang memiliki akurasi tinggi yaitu jijik dan emosi yang susah dikenali yaitu sedih. Dapat disimpulkan CNN dapat digunakan untuk deteksi emosi melalui citra ekspresi dengan akurasi yang baik.